python实现svm二分类

以下是一个简单的Python实现SVM二分类的示例代码，使用sklearn库中的SVC类：

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn import svm

# 加载数据集
iris = datasets.load_iris()
X = iris.data[:, :2]  # 选取前两个特征用于二分类
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

# 创建SVM分类器
clf = svm.SVC(kernel='linear', C=1.0)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出模型准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们使用了Iris数据集，选取前两个特征进行二分类，使用SVM分类器进行训练和预测，并输出模型的准确率。